申请/专利权人：成都宜图智享信息科技有限公司

申请日：2024-01-19

公开（公告）日：2024-04-12

公开（公告）号：CN117593188B

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06N3/0464;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本申请提供的一种基于无监督深度学习的超分辨率方法及相应设备；包括：构建基于未配对的真实LR图像和高质量HR图像的数据集；将高质量HR图像输入退化生成网络，得到合成LR图像；所述高质量HR图像通过双三次下采样模块，得到双三次下采样结果；通过合成LR图像与双三次下采样结果之间的内容损失函数和感知损失函数，以及合成LR图像与真实LR图像之间的对抗损失函数，对退化生成网络进行训练，得到训练好的退化生成网络；将高质量HR图像、真实LR图像、合成LR图像作为输入，采用域差异感知、域距离加权监督相结合的训练方法训练超分辨率网络，得到超分辨率结果；具有生成真实和视觉质量好的超分辨率结果的有益效果，适用于图像超分辨率领域。

主权项：1.一种基于无监督深度学习的超分辨率方法，其特征在于，包括：S10，构建基于未配对的真实LR图像和高质量HR图像的数据集；S20，将高质量HR图像输入具有下采样模块的退化生成网络，得到合成LR图像；将高质量HR图像通过双三次下采样模块，得到双三次下采样结果；S30，通过合成LR图像与双三次下采样结果之间的内容损失函数和感知损失函数，以及合成LR图像与真实LR图像之间的对抗损失函数，对退化生成网络进行训练，得到训练好的退化生成网络；S40，将高质量HR图像、真实LR图像、合成LR图像作为输入，采用域差异感知、域距离加权监督相结合的训练方法训练超分辨率网络，得到超分辨率结果；所述S40中，所述超分辨率网络为域距离自适应超分辨网络；所述域距离自适应超分辨网络，包括：卷积神经网络模块、域距离自适应调节的RRDB模块和上采样模块；所述域距离自适应调节的RRDB模块，包括：通过域距离图生成一个空间注意力图，以调整所述域距离自适应调节的RRDB模块的局部映射函数；所述S40中，域差异感知、域距离加权监督相结合的训练方法训练超分辨率网络，包括：S401，基于域差异感知，建立基于真实LR图像的对抗损失函数，以使训练的超分辨率网络产生视觉质量高的真实超分辨率结果；S402，采用退化生成网络中判别器的输出域距离图，进行域距离加权监督训练，自适应的调整内容损失函数和感知损失函数的大小。

全文数据：

权利要求：

百度查询： 成都宜图智享信息科技有限公司 一种基于无监督深度学习的超分辨率方法及相应设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD